En el artículo anterior, se explicó cómo la IA juega un papel importante para la detección del Síndrome Doloroso persistente, y que se presentan ciertos retos tecnológicos importantes, que habrá que tener en cuenta, y serían los siguientes:

• La monitorización del rostro es el primer paso de los algoritmos de reconocimiento de cara y por lo tanto es de crucial importancia que su desempeño sea lo mejor posible. El cambio de posición es una de las principales causas de variabilidad, por lo que cada vez están tomando más auge sistemas basados en geometría 3D, que son invariantes frente a una variación de la posición.
• Existen riesgos relacionados con la seguridad de la información que se maneja, la confidencialidad de la misma, la autenticación y autorización en el acceso a la información en un entorno distribuido… que hacen que muchas veces sea muy complejo adquirir todos los permisos necesarios para su tratamiento.

Pilar Ruiz Ayuso, Head of Innovation Director en I3B.

EPOC (Enfermedad Pulmonar Obstructiva Crónica) en cifras

Actualmente, el asma y la EPOC son un motivo importante de discapacidad, siendo esta última una de las principales causas de muerte en el mundo según la OMS, por detrás de la cardiopatía isquémica y el cáncer, ya que está ocasionando 3,6 millones de fallecimientos a nivel global. La EPOC no tiene cura, pero una vez diagnosticada, su monitorización y seguimiento son fundamentales para frenar el empeoramiento de los síntomas y reducir el riesgo de que se produzcan exacerbaciones.

¿En qué consiste la EPOC y de qué medios se disponen para su detección? La EPOC es una enfermedad pulmonar crónica común, prevenible y tratable, donde los bronquiolos sufren daños y se produce un estrechamiento en las vías respiratorias, provocando su obstrucción y/o destrucción de parte de los pulmones debido a las secreciones e inflamación del epitelio de dichas vías. Habitualmente se origina principalmente debido al tabaquismo, aunque también a ciertas exposiciones ambientales.

A día de hoy, una vez que se detecta la enfermedad, para realizar la supervisión y seguimiento del estado de los pacientes se requiere que acudan a un centro médico o bien sea el médico especializado quien acuda a su domicilio. La problemática de los profesionales de la salud radica en que no disponen de demasiados medios para detectar la fragilidad y gravedad en la que se encuentra el paciente en un momento determinado, limitando sus opciones a un control periódico, debido a que habría que realizar una gran inversión en infraestructura y recursos para aumentar el seguimiento de pacientes crónicos en los centros de atención primaria, que están cada vez más congestionados.

Actualmente la medición del estado del paciente se realiza a través de escalas que valoran de forma estructurada la capacidad para realizar de manera autónoma una serie de actividades en la vida diaria (AVD) que se dividen en básicas, acciones de autocuidado (baño, aseo…) y de movilidad y desplazamiento (transferencia de cama a silla, movilidad dentro del domicilio…). También se pueden utilizar otras pruebas, como un test reconocido para evaluar la funcionalidad llamado ‘Short Physical Performance Battery’ (SPPB), que analiza tareas motrices y de marcha, o relacionadas con el equilibrio o movilidad de extremidades.

Aunque los resultados obtenidos mediante estos sistemas son muy buenos, el tiempo de análisis en los centros de atención primaria suele ser demasiado corto para capturar anomalías infrecuentes. En teoría estos periodos de observación pueden extenderse, pero resultan caros y poco prácticos. La suma de estos factores lleva a que la calidad del diagnóstico del médico se vea afectada.

Aplicando la Inteligencia Artificial en casos de uso reales

Ante la carencia de aplicaciones fuera del ámbito de los parámetros clásicos de telemonitorización que detecten el deterioro de pacientes crónicos de forma automatizada en el hogar, con el fin de poder tomar medidas preventivas se están desarrollando proyectos de investigación enfocados en esta vía.

Aplicando Inteligencia Artificial y mediciones telemáticas se pueden desarrollar aplicativos para usarse autónomamente en el hogar por un paciente crónico de EPOC, para obtener parámetros que después son transferidos el especialista sanitario. Este, en conjunción con los algoritmos de IA, puede analizar la información reportada por el paciente, para que pueda anticiparse a las crisis respiratorias o evaluar cambios de estado ante cambios de medidas terapéuticas.

Estos sistemas de detección de deterioro en pacientes con EPOC deberán estar basados en:

• Un sistema de diagnóstico portátil y sensonres (IoT), que recoge datos día y noche del paciente, incluyendo la actividad / inactividad física, un indicador respiratorio, el ritmo cardíaco y la variabilidad de la frecuencia cardíaca. Esos datos son enviados a una plataforma donde se comparte con los médicos, ofreciéndoles una visión más completa del estado actual del paciente.
• Un módulo de aprendizaje auto-generado mediante machine learning, reforzándolo con el aprendizaje supervisado por parte de un especialista sanitario, que permita que el sistema pueda aprender de los datos y, mediante la correlación de variables más el sistema, pueda ser capaz de rastrear y anticipar automáticamente cuándo es probable que se produzca un brote.
• Un sistema de integracion que permita mostrar la información proporcionada, integrándola con el historial de los pacientes, y permitiendo que pueda el profesional médico consultar los valores arrojados por el sistema, y que el propio sistema sea capaz de alertarles con las anomalías que detecte el aplicativo para que puedan tomar medidas preventivas, reduciendo la necesitad de hospitalizaciones de emergencia.

Retos tecnológicos para el desarrollo de soluciones aplicados a la cuantificación automática del dolor

Para asumir los retos tecnológicos a los que nos enfrentamos en el desarrollo de un sistema que permita detectar el deterioro de pacientes EPOC de forma automatizada, hay que tener en cuenta varios puntos:

• Riesgos en los sensores de respiración. Contar con un sistema preciso con el que evaluar la frecuencia respiratoria del paciente de forma automatizada y precisa es una tarea complicada, ya que a día de hoy no hay una forma de extracción fidedigna de dicho indicador, por lo que habrá que explorar diferentes vías para recoger cada dato, o bien mediante sensores electrofisiológicos que detecten la actividad diafragmática o explorando su detección, aprovechando los sensores de actividad del paciente.
• Riesgos relacionados con la detección adecuada de posibles brotes, aunando una alta sensibilidad y una buena especificidad que permita que el sistema monitorice automáticamente el gran volumen de datos proveniente de los sensores, priorizando la información a monitorizar por el médico.

En conclusión, una apuesta por la Salud Digital mejorará la asistencia y la confianza en los programas de seguimiento de EPOC. En este sentido, trabajar con IA y dispositivos IoT ayudará a agilizar los procesos hospitalarios, reduciendo la asistencia de los pacientes a citas hospitalarias, lo que se traduce en menos viajes para el paciente, y también un menor riesgo de empeoramiento o de contagios en plena pandemia de COVID. Y por supuesto un mejor control domiciliario, evitando posibles hospitalizaciones del paciente a futuro, teniendo un impacto significativo en la mejora de su salud.